Роль и значимость геологической неоднородности в формировании продуктивности известняков фаменского яруса Южно-Татарского свода

Обложка

Цитировать

Полный текст

Аннотация

Цель проведенного исследования заключалась в идентификации степени и характера влияния геологической неоднородности на продуктивность залежей для использования полученных закономерностей при решении фундаментальных задач разработки нефтяных месторождений с учетом различной плотности геолого-промысловой информации и значительной неравновесности данных эксплуатации скважин. Объектом исследования являлись залежи фаменского яруса Южно-Татарского свода, расположенные в пределах Волго-Уральской нефтегазоносной провинции. В ходе работы при помощи элементов многомерного регрессионного моделирования были получены зависимости продуктивности залежей от набора геолого-промысловых параметров и установлены следующие особенности: степень влияния параметров на продуктивность различна в условиях выделенных групп идентичных объектов; в отдельных случаях отмечается и различный характер влияния параметров, что подтверждает актуальность и необходимость реализации процедур дифференциации при проведении прогноза для снижения рисков принятия неэффективных управленческих решений. Представленные результаты могут быть использованы для обоснованной оценки продуктивности залежей на стадии их ввода в промышленную эксплуатацию. С учетом того, что погрешность представленных моделей на четверть выше, чем при использовании моделей, в которые входят показатели геологической неоднородности, их применение для составления первых проектных документов вполне обоснованно и позволяет недропользователям успешно формировать оптимальный подход к реализации эффективной системы разработки месторождений.

Об авторах

Л. С. Кулешова

Институт нефти и газа Уфимского государственного нефтяного технического университета – филиал в г. Октябрьском

Email: markl212@mail.ru
ORCID iD: 0000-0003-2975-3666

Список литературы

  1. Щербаков А.А., Хижняк Г.П., Галкин В.И. Прогнозирование коэффициента продуктивности скважин с боковым стволом (на примере Уньвинского месторождения) // Известия Томского политехнического университета. Инжиниринг ресурсов. 2019. Т. 330. № 5. C. 93–99. https://doi.org/10.18799/24131830/2019/5/272. EDN: KFTCJV.
  2. Тиаб Дж., Доналдсон Э.Ч. Петрофизика: теория и практика изучения коллекторских свойств горных пород и движения пластовых флюидов / пер. с англ. М.: Премиум Инжиниринг, 2009. 868 с.
  3. Мухаметшин В.В., Андреев В.Е. Повышение эффективности оценки результативности технологий, направленных на расширение использования ресурсной базы месторождений с трудноизвлекаемыми запасами // Известия Томского политехнического университета. Инжиниринг георесурсов. 2018. Т. 329. № 8. С. 30–36. EDN: XWCJOP.
  4. Поплыгин В.В., Мордвинов В.А. Оценка изменения коэффициентов продуктивности добывающих скважин при забойном давлении ниже давления насыщения // Вестник Пермского государственного технического университета. Геология, геоинформационные системы, горно-нефтяное дело. 2009. Т. 8. № 4. С. 53–58. EDN: SIGBJR.
  5. Мордвинов В.А., Мартюшев Д.А., Ладейщикова Т.С., Горланов Н.П. Оценка влияния естественной трещиноватости коллектора на динамику продуктивности добывающих скважин Озерного месторождения // Вестник Пермского национального исследовательского политехнического университета. Геология. Нефтегазовое и горное дело. 2015. Т. 14. № 14. С. 32–38. https://doi.org/10.15593/2224-9923/2015.14.4. EDN: TMZMJR.
  6. Назарова Л.Н., Казетов С.И., Ганиев А.Л., Уразаков К.Р. Методика расчета коэффициента продуктивности скважин неоднородных по проницаемости коллекторов // Нефть. Газ. Новации. 2018. № 4. С. 51–55. EDN: XNRQKT.
  7. Султанов В.Ф., Султанов Ф.Ф. Инструмент оперативного расчета запускных показателей скважины на основании данных результатов интерпретации геофизических исследований // Новые технологии в газовой промышленности: газ, нефть, энергетика: XIV Всерос. конф. молодых ученых, специалистов и студентов: тезисы докладов (г. Москва, 14–18 ноября 2022 г.). Москва, 2022. С. 428–429. EDN: TTCCAX.
  8. Гилязетдинов Р.А., Кулешова Л.С., Мухаметшин В.В., Якупов Р.Ф., Грищенко В.А. Уточнение результатов решения задач разработки залежей Волго-Уральской нефтегазоносной провинции с использованием методов ранжирования геолого-статистических моделей // Науки о Земле и недропользование. 2023. Т. 46. № 4. С. 402–412. https://doi.org/10.21285/2686-9993-2023-46-4-402-412. EDN: KLCTFQ.
  9. Кулешова Л.С., Гилязетдинов Р.А., Мухаметшин В.Ш. Идентификация залежей – основа создания систем искусственного интеллекта при разработке месторождений нефти Урало-Поволжья // Нефть. Газ. Новации. 2024. № 1. С. 14–19. EDN: VDTTNV.
  10. Ладейщикова Т.С., Волков В.А., Собянин Н.Н., Митрошин А.В. Косвенные способы оценки текущего пластового давления в скважине для использования при построении интегрированных моделей месторождений // Нефтепромысловое дело. 2021. № 7. С. 39–45. https://doi.org/10.33285/0207-2351-2021-7(631)-39-45. EDN: QOGVIS.
  11. Гилязетдинов Р.А., Кулешова Л.С., Мухаметшин В.Ш. Снижение рисков при разработке трудноизвлекаемых запасов жидких углеводородов с использованием комплексного анализа геолого-промысловых данных // Известия У ральского государственного горного университета. 2024. № 1. С. 106–113. https://doi.org/10.21440/23072091-2024-1-106-113. EDN: ZVUVHQ.
  12. Mwakipunda G.C., Yang Z., Guo C. Infill drilling optimization for enhanced oil recovery by waterflooding: a simulation study // Journal of Energy Engineering. 2023. Vol. 149. Iss. 1. P. 4022053. https://doi.org/10.1061/(ASCE) EY.1943-7897.0000860.
  13. Ramiro-Ramirez S., Bhandari A.R., Reed R.M., Flemings P.B. Permeability of upper Wolfcamp lithofacies in the Delaware Basin: the role of stratigraphic heterogeneity in the production of unconventional reservoirs // AAPG Bulletin. 2024. Vol. 108. Iss. 2. P. 293 –326. https://doi.org/10.1306/12202222033.
  14. Tavana M., Soltanifar M., Santos-Arteaga F.J. Analytical hierarchy process: revolution and evolution // Annals of Operations Research. 2023. Vol. 326. Iss. 2. P. 879–907. https://doi.org/10.1007/s10479-021-04432-2.
  15. Mukhametshin V.Sh., Tyncherov K.T., Rakhimov N.R. Geological and statistical modeling of oil recovery of carbonate formations // Journal of Physics: Conference Series. 2021. Vol. 1753. P. 12080. https://doi.org/10.1088/17426596/1753/1/012080.
  16. Mukhametshin V.Sh. Calculation and forecast of current and final oil recovery from wells during depletion // Journal of Physics: Conference Series. 2021. Vol. 2032. P. 12047. https://doi.org/10.1088/1742-6596/2032/1/012047.
  17. Дорфман М.Б., Туфанова О.П. Влияние создаваемых депрессий при эксплуатации скважин на изменение коэффициента продуктивности в карбонатных коллекторах // Оборудование и технологии для нефтегазового комплекса. 2019. № 4. С. 52–57. https://doi.org/10.33285/1999-6934-2019-4(112)-52-57. EDN: MEJBVN.
  18. Imqam A., Bai B., Wei M., Elue H., Muhammed F.A. Use of hydrochloric acid to remove filter–cake damage from preformed particle gel during conformance-control treatments. SPE Production & Operations. 2016. Vol. 31. Iss. 3. P. 11. https://doi.org/10.2118/172352-PA.
  19. Мартюшев Д.А., Пономарева И.Н. Исследование особенностей выработки запасов трещинно-поровых коллекторов с использованием данных гидродинамических исследований скважин // Нефтяное хозяйство. 2017. № 10. С. 102–104. https://doi.org/10.24887/0028-2448-2017-10-102-104. EDN: ZPDYKR.
  20. Козубовский А.Г., Кузьмина Т.В. Исследование влияния процесса разработки залежи на продуктивность скважин // PROнефть. Профессионально о нефти. 2022. Т. 7. № 2. С. 32–40. https://doi.org/10.51890/2587-7399-20227-2-32-40. EDN: OELFQN.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».